CN108008176B - 一种光伏阵列实时状态监测与故障定位系统 - Google Patents
一种光伏阵列实时状态监测与故障定位系统 Download PDFInfo
- Publication number
- CN108008176B CN108008176B CN201711173022.8A CN201711173022A CN108008176B CN 108008176 B CN108008176 B CN 108008176B CN 201711173022 A CN201711173022 A CN 201711173022A CN 108008176 B CN108008176 B CN 108008176B
- Authority
- CN
- China
- Prior art keywords
- failure
- photovoltaic array
- group string
- photovoltaic
- fault location
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 238000013450 outlier detection Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000005856 abnormality Effects 0.000 claims abstract description 6
- 230000001052 transient effect Effects 0.000 claims abstract description 6
- 239000006185 dispersion Substances 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 14
- 230000015556 catabolic process Effects 0.000 claims description 11
- 238000006731 degradation reaction Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 230000032683 aging Effects 0.000 claims description 9
- 238000003745 diagnosis Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 241000854350 Enicospilus group Species 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000005611 electricity Effects 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Photovoltaic Devices (AREA)
- Testing Of Individual Semiconductor Devices (AREA)
Abstract
本发明涉及一种光伏阵列实时状态监测与故障定位系统。包括电压电流传感电路、数据采集卡以及MATLAB上位机数据管理中心；所述电压电流传感电路用以进行光伏阵列的电压和各个组串电流的检测；所述MATLAB上位机数据管理中心用于进行数据采集卡的各项设置以及数据处理；根据所述数据采集卡采集传输至MATLAB上位机数据管理中心的数据，MATLAB上位机数据管理中心通过采用阈值法－Hampel辨识法相结合的光伏阵列离群值检测算法，比较不同光伏组串瞬时电流进行异常检测实现故障定位。本发明系统能够自动定时采集光伏电气数据并快速、准确地判断是否发生故障及实现故障组串定位，从而及时发现光伏阵列中的潜在性故障，保证了光伏发电系统安全、稳定地运行。
Description
技术领域
本发明涉及光伏发电阵列状态监测和故障检测领域，特别是一种光伏阵列实时状态监测与故障定位系统。
背景技术
为了解决日益严峻的能源危机和环境问题，并网光伏发电技术得到迅速发展。由于光伏系统没有移动部件，通常需要较低维护，但它们长时间暴露在复杂的户外环境下，经常受到各种恶劣环境因素的影响，仍然遭受着各种各样的故障。这些故障危害极大，不仅会造成功率损失，影响发电效率，还会缩短组件的使用寿命，严重时局部的过热甚至会引发火灾，给社会生产带来不可估量的损失。而传统光伏系统的日常维护主要依靠人工定期地检查，清理较为麻烦，人工成本昂贵，阻碍了光伏产业的进一步发展。因此寻找一种新的方法，对光伏阵列进行实时监测并快速、准确地定位故障光伏组件是十分必要的。
近年来，多种光伏阵列状态监测和故障定位相继被提出。
在状态监测方面：常规状态监测系统使用数据记录器或微控制器来测量和获取信号，并通过串行端口RS-232将其发送到PC端，但当需要进行高采样率的数据采集时，串行端口的数据传输是有限的，并且常规状态监测系统难以实现对程序的修改。基于NI数据采集卡和LabVIEW软件的状态监测系统有效克服了常规数据监测系统的不足，能够监控光伏系统电流、电压、功率等参数及参数变化情况，实现电气数据的采集、处理、存储、显示等，可实现大多数的测量任务，但也存在一些不足，如LabVIEW软件不擅长大数据处理任务，不能完全提供用户所需要的驱动程序以及调用系统程序实现底层操作等。相比LabVIEW软件，MATLAB以其大量稳定可靠的算法库、强大的科学计算功能、编程效率高等特点已成为数学计算工具方面事实上的标准。本发明将电气数据监测、故障定位等功能集成到统一的MATLAB平台，实现一体化管理。
在故障定位方面：高斯过程回归分析法可对光伏系统进行故障定位，但环境适应性差，只适用于小规模的故障检测。红外图像检测法利用正常和故障两种状态时的光伏组件具有明显温差的特点，通过分析光伏组件的红外图像实现故障诊断和故障定位，但检测精度不够高，实时性较差，设备费用昂贵等。多传感器法需要为光伏组件安装一定数量的电压传感器和电流传感器，通过分析采集到的电压和电流数据，实现光伏阵列的故障定位，但是所用传感器数量较多、故障定位的精度较差、容易受外界环境因素影响、难以在大规模光伏阵列中推广。对地电容测量法通过分析串联光伏模块的对地电容值来实现断路故障的定位，时域反射分析法是将一个脉冲注入到串联光伏电路，然后通过观察和分析其返回的延迟时间和信号形状实现故障定位，但是这两种方法都需要离线操作，效率较低，适用范围较小，只适用于串联光伏电路，对测量设备的精度要求很高。惠杰等人在对光伏发电系统综合发电效率分析的基础上，提出一种地理位置相关性概念，通过分析组件位置信息以计算相关因子，实现对光伏发电系统故障的定位，但其故障识别方法要选取精确的限定值。IMKarmacharya等人采用离散小波变换分析接地故障位置，使用高频噪声模式来识别未接地的光伏电站中的故障位置，但小波变换系数的冗余度较大，离散小波变换后仍有冗余度存在。YHu等人将故障阵列的IV曲线分为高压故障诊断和低压故障诊断两部分，通过较少的电压传感器探测不同的工作点，从而找到故障光伏组件，但在大规模光伏阵列中难以推广。机器学习算法也被提出用于太阳能光伏系统的故障检测：如决策树模型，人工神经网络、模糊算法、基于图的半监督学习模型等。然而这些方法计算复杂性高，可能需要长时间的训练过程(如几天甚至几周)，而且训练的模型只适用于特定的光伏系统，意味着它不适用于新的光伏系统，应用范围小。
针对上述光伏阵列数据监测和故障定位技术存在的不足，本发明提出一种基于USB-1608G数据采集卡和MATLAB软件的光伏阵列实时状态监测与故障定位系统。
目前，公开发表的文献及专利中尚未见有本发明所提出的基于USB-1608G数据采集卡和MATLAB软件的光伏阵列实时状态监测与故障定位系统。
发明内容
本发明的目的在于提供一种光伏阵列实时状态监测与故障定位系统，采用“阈值法－Hampel辨识法”相结合的光伏阵列离群值检测算法，通过比较不同光伏组串瞬时电流进行异常检测实现故障定位；该系统能够自动定时采集光伏电气数据并快速、准确地判断是否发生故障及实现故障组串定位，具有良好的应用前景。
为实现上述目的，本发明的技术方案是：一种光伏阵列实时状态监测与故障定位系统，包括电压电流传感电路、数据采集卡以及MATLAB上位机数据管理中心；
所述电压电流传感电路用以进行光伏阵列的电压和各个组串电流的检测；
所述MATLAB上位机数据管理中心用于进行数据采集卡包括采样方式设定、量程选择、单位转换、采样率设定、模式设定、通道使能的设置，以及读取系统时间、导入MySQL、故障定位、显示和处理数据；所述采样方式包括连续采集方式和采集占空比可调的间歇采集方式，两种采样方式均实现自动定时采集功能；
根据所述数据采集卡采集传输至MATLAB上位机数据管理中心的数据，MATLAB上位机数据管理中心通过采用阈值法－Hampel辨识法相结合的光伏阵列离群值检测算法，比较不同光伏组串瞬时电流进行异常检测实现故障定位。
在本发明一实施例中，所述阈值法－Hampel辨识法相结合的光伏阵列离群值检测算法，即在Hampel辨识法检测的基础上结合阈值，利用阈值法判定最终的可疑异常点，从而实现故障定位。
1.在本发明一实施例中，所述阈值法－Hampel辨识法相结合的光伏阵列离群值检测算法，具体实现过程如下：
以光伏阵列的各个组串电流作为样本，Hampel辨识法采用样本中值作为参考值，定义为：
式中，α为阈值参数，S是中值绝对偏差估计量；如果其中一光伏阵列组串电流xi满足上面的条件，则将xi判为离群值；
由于采用Hampel辨识法求出的上下限区间外的可疑异常点中可能会存在正常数据点，因此，还需通过阈值法选取确定一个组串电流离散率阈值，以此对可疑异常点进行最终判决，实现故障检测与故障组串的定位，而后通过对故障进行细化分类，即可实现故障类型的诊断。
在本发明一实施例中，所述故障包括组串级线线故障、阵列级线线故障、老化故障、阴影故障、开路故障；其中，组串级线线故障，即组串中一块或多块组件被短路；阵列级线线故障，即不同组串中电势差为一块或多块组件工作电压的电位点被短路；老化故障，即组串老化和阵列老化；阴影故障，即组串中一块或多块组件发生阴影遮挡；开路故障，即组串中连接线发生意外断路。
在本发明一实施例中，所述电压电流传感电路由供电模块、精密电阻、四运算放大器LM324、隔离型LV-25P霍尔电压传感器和HBC-LSP电流传感器组成。
在本发明一实施例中，所述数据采集卡采用Measurement Computing公司的高速多功能USB-1608G数据采集卡。
相较于现有技术，本发明具有以下有益效果：本发明所提出的一种光伏阵列实时状态监测与故障定位系统，实现了系统在无人看管的环境下，进行自动定时数据采集，并快速、准确地判断是否发生故障及实现故障组串定位。该系统将多种功能集成到统一的MATLAB平台，实现了对光伏发电阵列的一体化管理。其中连续采集和采集占空比可调的间歇采集两种采样方式在保证数据实时性和完整性的同时，避免过量采样数据给系统造成的不必要负担，并且功耗也大为降低。大量的现场实测分析结果表明，所述的“阈值法－Hampel辨识法”相结合的光伏阵列离群值检测算法具有很好的检测效果，可以更有效地利用正常组串的信息实现故障组串定位。
附图说明
图1为本发明光伏阵列实时状态监测与故障定位系统的结构框图。
图2为本发明光伏阵列实时状态监测与故障定位系统的实物图。
图3为本发明光伏阵列的现场实测故障图。
图4为本发明MATLAB上位机数据管理中心。
图5为本发明数据采集卡连续采集的程序流程图。
图6为本发明数据采集卡间歇采集的程序流程图。
图7为本发明故障定位算法程序流程图。
图8为本发明一实施例中组串级线线故障的实验结果。
图9为本发明一实施例中阵列级线线故障的实验结果。
图10为本发明一实施例中阴影故障的实验结果。
图11为本发明一实施例中老化故障的实验结果。
图12为本发明一实施例中正常状态和开路故障的实验结果。
图13为本发明一实施例中阈值法对可疑异常值的分析处理。
具体实施方式
下面结合附图，对本发明的技术方案进行具体说明。
本发明的一种光伏阵列实时状态监测与故障定位系统，包括电压电流传感电路、数据采集卡以及MATLAB上位机数据管理中心；
所述电压电流传感电路用以进行光伏阵列的电压和各个组串电流的检测；
所述MATLAB上位机数据管理中心用于进行数据采集卡包括采样方式设定、量程选择、单位转换、采样率设定、模式设定、通道使能的设置，以及读取系统时间、导入MySQL、故障定位、显示和处理数据；所述采样方式包括连续采集方式和采集占空比可调的间歇采集方式，两种采样方式均实现自动定时采集功能；
根据所述数据采集卡采集传输至MATLAB上位机数据管理中心的数据，MATLAB上位机数据管理中心通过采用阈值法－Hampel辨识法相结合的光伏阵列离群值检测算法，比较不同光伏组串瞬时电流进行异常检测实现故障定位。
2.所述阈值法－Hampel辨识法相结合的光伏阵列离群值检测算法，即在Hampel辨识法检测的基础上结合阈值，利用阈值法判定最终的可疑异常点，从而实现故障定位；具体实现过程如下：
以光伏阵列的各个组串电流作为样本，Hampel辨识法采用样本中值作为参考值，定义为：
式中，α为阈值参数，S是中值绝对偏差估计量；如果其中一光伏阵列组串电流xi满足上面的条件，则将xi判为离群值；
由于采用Hampel辨识法求出的上下限区间外的可疑异常点中可能会存在正常数据点，因此，还需通过阈值法选取确定一个组串电流离散率阈值，以此对可疑异常点进行最终判决，实现故障检测与故障组串的定位，而后通过对故障进行细化分类，即可实现故障类型的诊断。
所述故障包括组串级线线故障、阵列级线线故障、老化故障、阴影故障、开路故障；其中，组串级线线故障，即组串中一块或多块组件被短路；阵列级线线故障，即不同组串中电势差为一块或多块组件工作电压的电位点被短路；老化故障，即组串老化和阵列老化；阴影故障，即组串中一块或多块组件发生阴影遮挡；开路故障，即组串中连接线发生意外断路。
所述电压电流传感电路由供电模块、精密电阻、四运算放大器LM324、隔离型LV-25P霍尔电压传感器和HBC-LSP电流传感器组成。所述数据采集卡采用MeasurementComputing公司的高速多功能USB-1608G数据采集卡。
以下为本发明的具体实施过程。
本实施例的光伏阵列采用18块型号为GL-M100太阳能组件，分成3个组串，每个组串采用6块组件串联，组成6×3的串并联连接方式。
本发明提供一种光伏阵列实时状态监测与故障定位系统，本实施例中创建的具体故障包括：组串级线线故障，即组串中短路组件的数量为1块和2块；阵列级线线故障，即短接不同组串中电势差为1块和2块组件工作电压的电位点；老化故障，即组串老化4欧和阵列老化4欧；阴影故障，即组串中阴影组件的数量为1块和2块；开路故障，即断开某一组串中组件间的连接线。系统结构框图及硬件实物图分别如图1和图2所示。
本实施例中的现场实测故障创建方法：线线故障通过使用可控开关使不同电位点在特定时刻短路实现；开路故障通过使用可控开关使光伏组串的组件连接线在特定时刻断开实现；老化故障通过使用可控开关和大功率铝壳电阻使光伏组串或阵列的输出端在特定时刻串联接入阻值为4欧的大功率铝壳电阻实现；阴影故障通过使用半透明的亚克力板在特定时刻遮挡组件实现。创建的现场实测故障如图3所示。
本实施例中，MATLAB上位机数据管理中心完成数据采集卡的采样方式设定、量程选择、单位转换、采样率设定、模式设定、通道使能设置等，实现Measurement Computing公司的高速多功能USB-1608G数据采集卡在无人看管的环境下，进行自动定时数据采集。在本实施例中，为更好地观察故障发生前后的电流电压变化情形，USB-1608G数据采集卡采用连续采集的采样方式，采样率为1000Hz。MATLAB上位机如图4所示，连续采集程序流程图如图5所示，采集占空比可调的间歇采集程序流程图如图6所示。
较佳的，在本实施例中，采用“阈值法－Hampel辨识法”相结合的光伏阵列离群值检测算法，通过比较不同光伏组串瞬时电流进行异常检测并实现故障组串定位，其算法程序流程图如图7所示，预设故障的实验结果如图8-图12所示。本实施例中所述的Hampel辨识法使用样本中值作为参考值，定义为：
式中，α为阈值参数，通常定义为3，S是中值绝对偏差估计量；如果其中一光伏阵列组串电流xi满足上面的条件，则将xi判为离群值；
样本中值对存在的异常值非常不敏感，而且中位数的崩溃污染率为50％，可以抵抗高达50％的异常值。而本实施例中光伏组串数量为3，如果一个光伏组串出现故障，光伏组串污染水平高达33.3％，理论上Hampel辨识法可以检测出离群值。但实际上，Hampel辨识法在正常情况下可能会触发虚假警报。由于组件加工工艺不良、组件功率偏差等原因，不同的光伏组串电气性能不可能绝对一致，不同的组串间必然存在输出电流偏差，在方差很小的情况下，导致一个更严格的离群值检测规则。因此通过Hampel辨识法求出的上下限区间外的可疑异常点中可能会存在正常数据点。如图10中的组串阴影一块故障和图11中的阵列老化故障，在故障发生前后，分别通过Hampel辨识法的上限电流和下限电流导致虚假警报。在本实施例中，所述阈值法是选取确定一个合适的组串电流离散率阈值，离散率通过组串电流的标准差与组串电流平均值的比值计算。离散率越低，说明各路组串发电性能越集中，一致性越好，离散率越大，稳定程度越低。若组串电流离散率取值范围在0～5％以内，说明汇流箱支路电流运行稳定；若组串电流离散率取值在5％～10％以内，说明汇流箱支路电流运行情况良好；若组串电流离散率取值在10％～20％以内，说明汇流箱支路电流运行情况有待提高；若组串电流离散率超过20％，说明汇流箱支路电流运行情况较差，影响电站发电量，必须进行整改。本实施例中离散率阈值确定为5％，以此对出现虚假警报的可疑异常值进行最终判决。如本实施例中对图10中的组串阴影一块故障和图11中的阵列老化故障分别求其离散率，如图13所示，可以发现组串阴影一块故障发生之前和阵列老化故障发生之后，离散率均未超过选定的离散率阈值5％，因此将可疑异常值最终判定为正常值，有效避免了Hampel辨识法对离群值的误判。该方法虽可实现故障检测与故障组串的定位，但并没有对故障进行细化分类，进一步的工作是对这些故障进行分类，实现故障类型的诊断。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。
Claims (4)
1.一种光伏阵列实时状态监测与故障定位系统，其特征在于：包括电压电流传感电路、数据采集卡以及MATLAB上位机数据管理中心；
所述电压电流传感电路用以进行光伏阵列的电压和各个组串电流的检测；
所述MATLAB上位机数据管理中心用于进行数据采集卡包括采样方式设定、量程选择、单位转换、采样率设定、模式设定、通道使能的设置，以及读取系统时间、导入MySQL、故障定位、显示和处理数据；所述采样方式包括连续采集方式和采集占空比可调的间歇采集方式，两种采样方式均实现自动定时采集功能；
根据所述数据采集卡采集传输至MATLAB上位机数据管理中心的数据，MATLAB上位机数据管理中心通过采用阈值法－Hampel辨识法相结合的光伏阵列离群值检测算法，比较不同光伏组串瞬时电流进行异常检测实现故障定位；
所述阈值法－Hampel辨识法相结合的光伏阵列离群值检测算法，即在Hampel辨识法检测的基础上结合阈值，利用阈值法判定最终的可疑异常点，从而实现故障定位；
所述阈值法－Hampel辨识法相结合的光伏阵列离群值检测算法，具体实现过程如下：
以光伏阵列的各个组串电流作为样本，Hampel辨识法采用样本中值作为参考值，定义为：
式中，α为阈值参数，S是中值绝对偏差估计量；如果其中一光伏阵列组串电流xi满足上面的条件，则将xi判为离群值；
由于采用Hampel辨识法求出的上下限区间外的可疑异常点中可能会存在正常数据点，因此，还需通过阈值法选取确定一个组串电流离散率阈值，以此对可疑异常点进行最终判决，实现故障检测与故障组串的定位，而后通过对故障进行细化分类，即可实现故障类型的诊断。
2.根据权利要求1所述的一种光伏阵列实时状态监测与故障定位系统，其特征在于：所述故障包括组串级线线故障、阵列级线线故障、老化故障、阴影故障、开路故障；其中，组串级线线故障，即组串中一块或多块组件被短路；阵列级线线故障，即不同组串中电势差为一块或多块组件工作电压的电位点被短路；老化故障，即组串老化和阵列老化；阴影故障，即组串中一块或多块组件发生阴影遮挡；开路故障，即组串中连接线发生意外断路。
3.根据权利要求1所述的一种光伏阵列实时状态监测与故障定位系统，其特征在于：所述电压电流传感电路由供电模块、精密电阻、四运算放大器LM324、隔离型LV-25P霍尔电压传感器和HBC-LSP电流传感器组成。
4.根据权利要求1所述的一种光伏阵列实时状态监测与故障定位系统，其特征在于：所述数据采集卡采用Measurement Computing公司的高速多功能USB-1608G数据采集卡。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711173022.8A CN108008176B (zh) | 2017-11-22 | 2017-11-22 | 一种光伏阵列实时状态监测与故障定位系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711173022.8A CN108008176B (zh) | 2017-11-22 | 2017-11-22 | 一种光伏阵列实时状态监测与故障定位系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108008176A CN108008176A (zh) | 2018-05-08 |
| CN108008176B true CN108008176B (zh) | 2019-11-12 |
Family
ID=62053452
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711173022.8A Active CN108008176B (zh) | 2017-11-22 | 2017-11-22 | 一种光伏阵列实时状态监测与故障定位系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108008176B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108627732A (zh) * | 2018-05-15 | 2018-10-09 | 重庆邮电大学 | 一种基于交叉电压检测的光伏电池板故障诊断方法 |
| CN108494365A (zh) * | 2018-05-30 | 2018-09-04 | 福州大学 | 一种光伏组件及组件串在线失配监测系统 |
| CN109034220A (zh) * | 2018-07-13 | 2018-12-18 | 福州大学 | 一种基于最优旋转森林的智能光伏阵列故障诊断方法 |
| CN109379042B (zh) * | 2018-09-30 | 2020-04-14 | 河北隆基泰和云能源科技有限公司 | 一种用于分析户用光伏遮挡物的方法及系统 |
| CN110460305A (zh) * | 2019-01-23 | 2019-11-15 | 新奥数能科技有限公司 | 光伏阵列的故障检测方法、装置、可读介质及电子设备 |
| CN110244117A (zh) * | 2019-07-01 | 2019-09-17 | 江苏康博光伏电力科技有限公司 | 一种光伏电站的光伏面板工况监测方法 |
| CN110649889A (zh) * | 2019-10-25 | 2020-01-03 | 苏师大半导体材料与设备研究院(邳州)有限公司 | 一种光伏晶体板在线故障监控方法 |
| CN112782495A (zh) * | 2019-11-06 | 2021-05-11 | 成都鼎桥通信技术有限公司 | 一种光伏电站的组串异常识别方法 |
| WO2022061490A1 (zh) * | 2020-09-22 | 2022-03-31 | 华为数字能源技术有限公司 | 一种光伏发电系统、检测光伏组串对地故障的方法及设备 |
| CN112491142B (zh) * | 2020-11-23 | 2023-12-22 | 阳光电源（上海）有限公司 | 一种光伏电站性能分析系统及方法 |
| CN113206639B (zh) * | 2021-04-21 | 2022-11-29 | 深圳市力合微电子股份有限公司 | 一种光伏组件常见故障的检测方法 |
| CN113992151A (zh) * | 2021-09-24 | 2022-01-28 | 上海远景科创智能科技有限公司 | 光伏阵列工作状态的确定方法、装置、设备及存储介质 |
| CN113985239A (zh) * | 2021-10-13 | 2022-01-28 | 合肥阳光智维科技有限公司 | 组串旁路二极管故障识别方法、装置、设备及存储介质 |
| CN114978308B (zh) * | 2022-05-26 | 2024-05-14 | 中国电信股份有限公司 | 一种光箱法兰监控器和基于光箱法兰监控器的定位方法 |
| CN114942402B (zh) * | 2022-07-20 | 2022-11-29 | 武汉格蓝若智能技术有限公司 | 一种异常电能表定位方法及系统 |
| CN116643181B (zh) * | 2022-08-25 | 2024-04-16 | 浙江长兴震革科技有限公司 | 一种蓄电池状态监测系统 |
| CN115514021B (zh) * | 2022-11-11 | 2023-03-28 | 云南电网能源投资有限责任公司 | 分布式光伏电站的故障调控方法、系统及计算机设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105024645A (zh) * | 2015-07-16 | 2015-11-04 | 石家庄科林电气股份有限公司 | 一种基于矩阵进化的光伏阵列故障定位方法 |
| CN106059496A (zh) * | 2016-05-18 | 2016-10-26 | 华北电力大学 | 一种光伏组件阵列性能监测和故障识别的方法及系统 |
| CN106257438A (zh) * | 2015-06-17 | 2016-12-28 | 塔塔咨询服务公司 | 用于为单变量时间序列信号实时检测离群值的系统和方法 |
| CN206237364U (zh) * | 2016-10-28 | 2017-06-09 | 南京工程学院 | 一种基于stm32的分布式光伏并网发电监测装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ES2382647A1 (es) * | 2012-01-30 | 2012-06-12 | Universidad Politécnica de Madrid | Sistema y procedimiento para el diagnóstico de fallos en instalaciones fotovoltaicas. |
| DE102015203570A1 (de) * | 2015-02-27 | 2016-09-01 | Siemens Aktiengesellschaft | Modelbasiertes Schutzsystem für elektrische Systeme |
-
2017
- 2017-11-22 CN CN201711173022.8A patent/CN108008176B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106257438A (zh) * | 2015-06-17 | 2016-12-28 | 塔塔咨询服务公司 | 用于为单变量时间序列信号实时检测离群值的系统和方法 |
| CN105024645A (zh) * | 2015-07-16 | 2015-11-04 | 石家庄科林电气股份有限公司 | 一种基于矩阵进化的光伏阵列故障定位方法 |
| CN106059496A (zh) * | 2016-05-18 | 2016-10-26 | 华北电力大学 | 一种光伏组件阵列性能监测和故障识别的方法及系统 |
| CN206237364U (zh) * | 2016-10-28 | 2017-06-09 | 南京工程学院 | 一种基于stm32的分布式光伏并网发电监测装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108008176A (zh) | 2018-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108008176B (zh) | 一种光伏阵列实时状态监测与故障定位系统 | |
| CN108062571B (zh) | 基于差分进化随机森林分类器的光伏阵列故障诊断方法 | |
| CN104753461B (zh) | 基于粒子群优化支持向量机的光伏发电阵列故障诊断与分类方法 | |
| CN109766952B (zh) | 基于偏最小二乘法和极限学习机的光伏阵列故障检测方法 | |
| CN105846780A (zh) | 一种基于决策树模型的光伏组件故障诊断方法 | |
| CN107395121B (zh) | 基于格拉布斯准则及离群点检测光伏阵列故障检测方法 | |
| CN104767482B (zh) | 一种光伏组件老化和短路故障在线诊断方法 | |
| CN108828406A (zh) | 非侵入式用户用电的故障识别方法及其系统 | |
| CN105512474A (zh) | 一种变压器状态监测数据的异常检测方法 | |
| CN205792451U (zh) | 一种光伏并网系统的故障检测装置 | |
| CN109324241B (zh) | 一种变电站接地网腐蚀诊断预警方法及系统 | |
| CN103103570B (zh) | 基于主元相似性测度的铝电解槽况诊断方法 | |
| CA3131717A1 (en) | Systems and methods for monitoring energy-related data in an electrical system | |
| CN109617526A (zh) | 一种基于小波多分辨分析和svm的光伏发电阵列故障诊断和分类的方法 | |
| CN117406026A (zh) | 一种适用于分布式电源的配电网故障检测方法 | |
| CN106646106B (zh) | 基于变点探测技术的电网故障检测方法 | |
| CN117235617A (zh) | 沙尘天气下基于ml-rfknn的光伏阵列故障诊断方法 | |
| CN117743794A (zh) | 一种分布式光伏电站故障诊断及效能损失评估系统 | |
| CN117630797A (zh) | 基于工作电流的电表健康状态检测方法、系统及存储介质 | |
| CN109086891A (zh) | 基于模糊逻辑推理的热斑故障诊断方法 | |
| CN115343579A (zh) | 一种电网故障分析方法、装置及电子设备 | |
| CN115906350A (zh) | 一种微电网故障定位和诊断方法 | |
| CN112147409B (zh) | 低压配电线路在线阻抗检测方法及装置 | |
| CN111986469A (zh) | 一种现场终端故障智能化诊断的方法 | |
| Ren et al. | Multi-fault diagnosis strategy based on a non-redundant interleaved measurement circuit and improved fuzzy entropy for the battery system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |